课程文献中心 更多>>

关键词： 数字换流站   电网时间同步   精密单点定位   北斗三号PPP-B2b   跨区   亚纳秒级  

摘要： 高精度时间同步是电力系统中保障设备协同、故障定位与态势感知的关键技术。然而，在以数字换流站为代表的跨地区安全组网要求下，传统时间同步方法受物理隔离、安全传输机制和数据传输量等因素限制，难以实现跨地区高精度时间同步与时间比对。研究了基于北斗三号PPP-B2b增强信息的实时PPP时间同步方法，设计了自定义时差传输协议的实时PPP解算时差数据单向传输网络架构，突破了数字换流站跨地区高精度时间同步与时间比对的技术瓶颈。实验结果表明，使用北斗三号PPP-B2b产品改正后卫星轨道和钟差精度都明显提升，基于北斗三号PPP-B2b产品的PPP时间同步方法可实现跨区亚纳秒时间同步和亚纳秒时间比对，且长期时间传递稳定度达到3.76×10-15@262 144 s，为数字换流站建立统一的时间同步基础设施提供关键技术支撑，促进数字换流站全域时间同步。

关键词： 混合格式   物理信息神经网络   柯尔莫哥洛夫-阿诺德网络   异质固体  

摘要： 异质固体材料中材料参数突变与多尺度特征并存,相关物理问题的高效建模与精确数值求解存在挑战.物理信息神经网络(physics-informed neural networks, PINNs)凭借其无网格建模和通用逼近能力为此类问题提供了新的求解思路.文章构建基于混合格式的物理信息KAN网络,应用于异质泊松问题和异质弹性问题的求解.一方面,该方法利用混合格式的控制方程及边界条件残差构造损失函数,辅助变量的引入降低了残差项求导阶数与自动微分开销,同时自然融入了界面连续性约束,减少建模成本.另一方面,采用新型架构的柯尔莫哥洛夫-阿诺德网络(Kolmogorov-Arnold network, KAN)对原始变量与辅助变量进行逼近,增强对异质固体问题局部特征的捕捉.利用所提出的混合格式物理信息KAN网络对圆形夹杂泊松问题和双矿物岩石的单轴压缩问题进行了智能求解.数值实验结果表明,所提出的混合格式物理信息KAN网络在求解带有异质微结构的问题时能够获得稳定且可靠的数值结果.与采用全连接神经网络作为通用逼近器的混合格式PINNs相比,该方法在参数效率与求解精度方面均表现出优势,显示出在异质固体问题高效与稳健求解中的应用潜力.

关键词： 计量学   倾斜度   激光测距   误差分析   阈值分割   水泥杆塔  

摘要： 随着电力电网建设的推进以及低压配电线路的发展，精确和快速测量杆塔倾斜度对电网的稳定安全运作具有关键意义。设计了一种能够快速准确检测水泥杆塔倾斜度的便携装置，包括机械测量装置与改进的阈值分割算法。首先，利用三维建模与解析几何进行机械误差分析，将三维圆锥的中轴线倾斜度转化为二维长度；然后，为了剔除多种环境下自然光的干扰，采用改进阈值分割算法进行激光中心点识别定位；最后，将获得的距离信息变换为坐标信息，建立中心线三维直线方程，并由此计算水泥杆塔的倾斜角度。实验结果表明：该方法的测量误差不大于0.10°。为加速提高基础设施的智能化水平提出了一种可行的新途径。

关键词： 机械臂标定   双目视觉   多靶标系统   多物体识别  

摘要： 为解决机械臂标定方法计算模型复杂，处理时间慢，测量设备成本高等问题，提出一种基于多靶标系统和双目测量的机械臂标定方法，能够快速准确完成机械臂标定。通过使用双目相机作为测量设备，降低了机械臂标定成本；使用内含编码的多靶标系统在规定角度下进行拍摄，保障了各靶标的识别和解算精度；最后，搭建了仿真实验，将使用所提方法计算的关节位姿估计值与真实值进行了实验对比。结果表明：在手眼误差合适的范围内，机械臂各关节的DH参数辨识误差为0% ～1.5%。该方法对DH参数的辨识精度验证了该方法在双目视觉测量技术支持下，能够满足机械臂高精度的标定要求

关键词： 分组指派规划   信息保障   改进遗传算法   混合策略   任务规划  

摘要： 为解决战场信息保障任务中面临的人员指派不科学、效率不高、战场适应性不强等挑战，基于改进遗传算法提出一种分组指派规划方法。采用德尔菲法和熵值法构建人员能力量化体系，生成“人员-任务”能力矩阵；建立以“高能力人员保障高优先级任务”为目标，以“分组能力均值”约束体现分组原则的数学模型，定制设计了一套混合策略遗传算法进行模型求解。仿真实验表明，该方法在求解人员分组指派规划问题时，相较于匈牙利算法，适应度值提升0.40，相较于链式多种群遗传算法，适应度值提升0.069，相较于基本遗传算法，适应度值提升0.265，收敛速度提升50.00%；小中大3种规模分组指派问题的求解证明了其具备良好的适用性。

关键词： 中国自主知识体系   场景适配   智能知识服务   信息资源管理   知识治理  

摘要： [目的/意义]面对中国式现代化进程中复杂治理情境对知识适配性的新要求，本文探讨在中国自主知识体系背景下，推动知识服务向“场景适配”转型的重要价值，旨在通过构建场景适配型知识服务模型，探讨中国自主知识体系建设的知识服务支撑路径。[方法/过程]从知识生产场景逻辑出发，剖析中国自主知识体系建设的知识服务需求机制，在梳理知识服务、知识组织与智能服务相关研究的基础上，分析场景适配型智能知识服务的“问题层-场景层-知识层-服务层”运行模式与关键特征，并进一步提出信息资源管理学科的关键支撑能力与人才培养路径。[结果/结论]研究明确了中国自主知识体系建设需要场景适配型的智能知识服务的发展，信息资源管理学科在多源异构知识资源整合、场景知识配置和知识资源体系化治理方面为场景适配型的智能知识服务提供支撑。应进一步强化“技术-知识-场景”协同建设，推动面向数字智能时代的复合型知识服务人才培养。

关键词： 绵羊肺炎支原体   P113黏附蛋白   生物信息分析   结构域   原核表达  

摘要： 试验旨在研究绵羊肺炎支原体（MO）P113蛋白不同结构域的免疫原性，并表达其各结构域蛋白。利用生物信息分析软件，分析P113蛋白的理化性、结构特征、亲水性、抗原指数及B、T细胞抗原表位特征。选取其抗原性好的N、C及N＋C融合端3种结构域，构建融合His标签的原核表达载体，经诱导表达纯化获得目的蛋白，并通过SDS-PAGE与Western blot法鉴定。经预测分析P113基因全长3 240 bp，编码1 079 aa；其N端9-31aa为跨膜区，196-216aa为抗原表位峰值区；C端第780～840/910～980 aa为介导定植黏附核心，760-834，893-985aa是连续抗原优势区域。该蛋白二级结构以无规卷曲为主，三级结构序列与模型的Seq Identity为99.81%；共预测得到21个潜在B细胞抗原表位，43条CTL及18条HTL抗原表位，其T、B细胞抗原表位高度重叠。试验成功构建N（41-360aa）端、C（676-1075aa）端及NC融合端原核表达载体，诱导表达并纯化获得36、45、81 KDa三种结构域重组蛋白，分子量符合预期。研究明确了P113蛋白免疫优势区域，并成功表达纯化3种结构域蛋白，为亚单位疫苗研制奠定基础。

关键词： NV色心   矢量磁场测量   跳频方法   光学检测磁共振   便携式磁传感系统  

摘要： 提出了一种便携式NV色心矢量磁传感系统，用于实现三维磁场的快速、实时测量。该系统将光学检测磁共振技术与4频点跳频策略相结合，通过实验标定建立NV轴共振频率偏移与空间磁场分量之间的映射关系，并引入反馈控制实现各NV轴共振频率的实时锁定与跟踪，从而仅利用4条NV轴的磁场投影信息完成三维矢量磁场的连续重构。系统采用光纤激发与荧光收集结构将激光源与磁传感探头解耦，提高了系统集成度及其在外场环境中的适应能力。与传统基于几何投影的8频点跳频方法相比，该方法不依赖理想NV轴取向假设，而通过实验标定获得有效反演矩阵，实现三维磁场分量的直接反演，在保证矢量测量精度的同时将测量速率提高了一倍，并降低了微波频率切换负载。室内与外场移动平台实验结果表明，该系统在X、 Y、 Z三轴方向的动态范围分别为±165.8、±163.9和±165.2μT，灵敏度分别达到0.52、 0.82和0.64 nT/（Hz）1/2。外场测量结果与磁通门磁强计对比的相关系数均高于0.9，表明该系统能够稳定、准确地实现动态外场条件下的矢量磁场测量。

关键词： 大豆   bHLH   生物信息学分析   亚细胞定位   氮   磷  

摘要： 为研究大豆GmbHLH119和GmbHLH120基因的功能，本研究对GmbHLH119和GmbHLH120进行生物信息学分析、亚细胞定位和氮、磷处理下大豆不同组织的基因表达模式分析。结果显示：GmbHLH119和GmbHLH120基因结构高度相似，初步表达分析发现GmbHLH119和GmbHLH120在叶片中的表达量相对较高；启动子顺式作用元件分析显示，GmbHLH119和GmbHLH120启动子区域有多个光响应、激素响应和非生物胁迫响应元件；GmbHLH119和GmbHLH120蛋白具有保守的HLH结构域，均为不稳定的亲水蛋白，蛋白结构高度保守；亚细胞定位分析显示，GmbHLH119和GmbHLH120蛋白均定位在细胞核中；氮、磷处理下的大豆各组织基因表达模式分析显示，GmbHLH119和GmbHLH120可能参与大豆对氮、磷浓度变化的响应调控。该研究为大豆GmbHLH119和GmbHLH120基因的研究提供了生物信息依据，为进一步研究大豆GmbHLH119和GmbHLH120的功能奠定基础。

关键词： 物理信息神经网络   低渗透油藏   CO   非混相驱   启动压力梯度   CO   溶解   Buckley-Leverett方程  

摘要： 低渗透油藏CO2非混相驱技术在提高原油采收率和实现碳中和方面具有重要意义。该过程涉及强非线性方程求解，传统数值模拟方法面临数值稳定性和收敛性挑战，需要精细调节时间和空间步长。因此，针对低渗透油藏CO2非混相驱提出了一种基于物理信息神经网络（Physics-Informed Neural Networks, PINNs）的数值模拟方法。该方法以经典Buckley-Leverett（BL）分流量方程为基础，引入启动压力梯度与CO2溶解度参数，揭示其对驱替前缘传播与饱和度演化的耦合影响。通过将BL方程及其初始边界条件嵌入PINNs的损失函数中，神经网络在训练过程中自动满足控制方程约束，同时能够在无网格的连续空间中对复杂非线性渗流过程进行建模，从而提高模型的数值稳定性与预测能力。为了验证模型的准确性，将数值解与解析解进行了对比。结果表明，所建立的PINNs模型在捕捉驱替前缘位置和流体饱和度分布方面均表现出较高的精度，预测结果与解析解差异小，决定系数R2超过93%，平均绝对误差为0.19×10-2。与传统显式差分法相比，PINNs数值模拟方法具备更强的数值稳定性与可扩展性。本研究为低渗透油藏CO2非混相驱数值模拟提供了一种深度学习新路径，有助于深入理解多物理场耦合下的渗流行为机制，也为CO2地质封存与提高原油采收率的高效协同提供理论支撑与方法参考。